MétaCan
Menu
Retour à la cohorte
Enregistrement W3097339993 · doi:10.1101/2020.08.25.20154252

SARS-CoV-2 RNA viremia is associated with a sepsis-like host response and critical illness in COVID-19

2020· preprint· en· W3097339993 sur OpenAlexafffund
Jesús F. Bermejo-Martín, Milagros González‐Rivera, Raquel Almansa, Dariela Micheloud, Marta Domínguez‐Gil, Salvador Resino, Marta Martín-Fernández, Pablo Ryan, Felipe Pérez‐García, Luís Tamayo, Raúl López‐Izquierdo, Elena Bustamante, César Aldecoa, Jesús Rico-Feijoó, Antonio Orduña, Raúl Méndez, Isabel Fernández Natal, Gregoria Megías, Montserrat González-Estecha, Demetrio Carriedo, Cristina Doncel, Noelia Jorge, José Antonio Fernández-Ratero, Wysali Trapiello, Paula González‐Jiménez, Guadalupe Ruíz, Alyson A. Kelvin, Ali Toloue Ostadgavahi, Ruth Oneizat, Luz María Ruiz, Iría Miguens, Esther Gargallo, Ioana Muñoz, Sara Pelegrin, Silvia Martín, Pablo García Olivares, Jamil Cedeño, Tomás Ruíz Albi, Carolina Puertas, José Ángel Berezo, Gloria Renedo, Rubén Herrán, Juan Bustamante‐Munguira, Pedro Enríquez, Ramón Cicuéndez, Jesús Blanco, Jésica Abadía, Julia Gómez Barquero, Nuria Mamolar, Natalia Blanca‐López, Luis Jorge Valdivia, Belén Fernández Caso, María Ángeles Mantecón, Ana Motos, Laia Fernández‐Barat, Ricard Ferrer, Ferrán Barbé, Antoni Torres, Rosario Menéndez, José María Eirós Bouza, David J. Kelvin

Notice bibliographique

RevuemedRxiv · 2020
Typepreprint
Langueen
DomaineMedicine
ThématiqueCOVID-19 Clinical Research Studies
Établissements canadiensDalhousie University
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésViremiaImmunologyMedicineViral loadSepsisPneumoniaPathogenesisSeverity of illnessInternal medicineVirus

Résumé

récupéré en direct d'OpenAlex

Abstract Background Severe COVID-19 is characterized by clinical and biological manifestations typically observed in sepsis. SARS-CoV-2 RNA is commonly detected in nasopharyngeal swabs, however viral RNA can be found also in peripheral blood and other tissues. Whether systemic spreading of the virus or viral components plays a role in the pathogenesis of the sepsis-like disease observed in severe COVID-19 is currently unknown. Methods We determined the association of plasma SARS-CoV-2 RNA with the biological responses and the clinical severity of patients with COVID-19. 250 patients with confirmed COVID-19 infection were recruited (50 outpatients, 100 hospitalised ward patients, and 100 critically ill). The association between plasma SARS-CoV-2 RNA and laboratory parameters was evaluated using multivariate GLM with a gamma distribution. The association between plasma SARS-CoV-2 RNA and severity was evaluated using multivariate ordinal logistic regression analysis and Generalized Linear Model (GLM) analysis with a binomial distribution. Results The presence of SARS-CoV-2-RNA viremia was independently associated with a number of features consistently identified in sepsis: 1) high levels of cytokines (including CXCL10, CCL-2, IL-10, IL-1ra, IL-15, and G-CSF); 2) higher levels of ferritin and LDH; 3) low lymphocyte and monocyte counts 4) and low platelet counts. In hospitalised patients, the presence of SARS-CoV-2-RNA viremia was independently associated with critical illness: (adjusted OR= 8.30 [CI95%=4.21 - 16.34], p < 0.001). CXCL10 was the most accurate identifier of SARS-CoV-2-RNA viremia in plasma (area under the curve (AUC), [CI95%], p) = 0.85 [0.80 - 0.89), <0.001]), suggesting its potential role as a surrogate biomarker of viremia. The cytokine IL-15 most accurately differentiated clinical ward patients from ICU patients (AUC: 0.82 [0.76 - 0.88], <0.001). Conclusions systemic dissemination of genomic material of SARS-CoV-2 is associated with a sepsis-like biological response and critical illness in patients with COVID-19. RNA viremia could represent an important link between SARS-CoV-2 infection, host response dysfunction and the transition from moderate illness to severe, sepsis-like COVID-19 disease.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,106
Tête enseignante GPT0,455
Écart entre enseignants0,349 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuemedRxivMême sujetCOVID-19 Clinical Research StudiesTravaux en français237 207